Muse Spark – Meta 推出的原生多模態大模型

Muse Spark是什麼

Muse Spark是Meta超級智能實驗室推出的首個原生多模態大模型。作爲Meta AI重組後的旗艦產品，模型在Artificial Analysis基準測試中從18分躍升至52分，多模態理解與健康問答能力超越GPT-5.4。模型支持視覺思維鏈、多Agent協同及”沉思模式”，預訓練效率較Llama 4提升10倍。模型已在Meta和Meta AI App上線，API預覽版向部分用戶開放。

Muse Spark的主要功能

• 原生多模態理解：支持視覺思維鏈與圖像轉代碼，可直接分析複雜圖表、定位屏幕元素，將 UI 設計圖轉換爲可運行的 HTML/CSS/JS 應用。
• 多智能體協同：通過”沉思模式”（Contemplating）調度多個子 Agent 並行思考與協同作業，實現複雜任務的分解規劃與執行。
• 垂直領域專精：在健康醫療領域提供基於 1000+ 臨牀醫生數據的精準問答與影像分析，在購物場景結合社交圖譜做個性化商品推薦。
• 高效推理機制：採用思維自動壓縮技術，在保持高性能的同時將 Token 消耗降低至同類模型的三分之一，顯著提升推理效率。

如何使用Muse Spark

• 網頁端直接使用：訪問Meta官網，無需註冊可免費體驗基礎功能。
• 移動端 App：下載官方Meta AI App，已全面集成 Muse Spark 模型。
• API 接入：開發者可通過申請獲取私密預覽版 API 權限，目前僅向部分合作伙伴開放。
• 社交平台集成：未來幾周內將直接接入 Facebook、Instagram 和 WhatsApp，用戶可在聊天界面中直接調用。

Muse Spark的關鍵信息和使用要求

• 產品定位：Meta Superintelligence Labs（MSL）成立9個月後的首個模型（代號”牛油果”），定位爲”個人超級智能”，面向30億用戶生態。
• 核心性能：Artificial Analysis綜合得分52（Llama 4僅18分）；多模態圖表理解（86.4）、健康問答（42.8）超越GPT-5.4；編程類任務（ARC AGI 2、SWE-Bench）仍落後。
• 技術亮點：原生多模態推理+視覺思維鏈；多Agent”沉思模式”（Contemplating）並行思考；預訓練算力需求降至Llama 4的1/10，Token消耗僅Opus的1/3。
• 團隊背景：由前Scale AI創始人Alexandr Wang領銜，核心成員包括多位華人研究員（來自OpenAI、DeepMind）。
• 訪問渠道：meta.ai網頁端（免註冊）、Meta AI App（iOS/Android）；API預覽僅向合作伙伴開放。
• 地域與費用：目前優先美國地區全面開放；個人用戶免費、不限量使用。

Muse Spark的核心優勢

• 原生多模態理解：在圖表理解（CharXiv 86.4分）和截圖定位（ScreenSpot Pro 84.1分）等視覺任務上表現卓越，顯著超越GPT-5.4與Gemini 3.1 Pro。
• 醫療健康專精：基於1000餘名臨牀醫生合作構建的專業數據體系，在開放式健康問答（HealthBench Hard 42.8分）與醫學影像分析領域達到業界領先水平。
• 多智能體協同推理：獨創”沉思模式”（Contemplating）支持多Agent並行思考與任務分解，可調度子Agent分別處理研究、規劃與執行等複雜環節。
• 極致效率優化：通過重構預訓練技術棧實現算力需求降至Llama 4的十分之一，採用思維自動壓縮技術使Token消耗僅爲同類頂尖模型的三分之一。

Muse Spark的同類競品對比

Muse Spark的應用場景

• 視覺創作與開發：模型支持將應用截圖直接轉換爲可運行的前端代碼，能解析複雜學術圖表與工程圖紙，可將靜態圖像生成爲可交互的網頁遊戲或故障排查工具。
• 健康醫療諮詢：基於千名臨牀醫生專業數據提供開放式健康問答與醫學影像解讀，同時能根據用戶飲食限制生成交互式營養標籤和個性化健康管理方案。
• 智能規劃與協同：通過多Agent並行處理複雜任務，如協調文化路線、親子活動與物流的家庭旅行規劃，結合社交網絡數據提供個性化購物推薦，自主搜索整合多源信息完成深度研究。
• 辦公與生產力：支持文檔解析、表格分析和郵件撰寫等辦公任務，同時具備基於截圖理解的屏幕自動化能力，可執行界面操作與表單填寫。